行动中的大数据：定义，价值，收益和环境

大数据仅意味着“所有数据” （在您的组织及其生态系统中）。如今有相当多的数据。我们可以挖掘的庞大数据量令人眼花and乱，而从数字数据世界的增长速度来看，这只会使您感到头晕。

随着物联网（IOT）和数字化转型为所有产业的影响，它会更快。更重要的是：数据已成为不可思议的商业资产。因此，请更好地对待它。

最初，大数据主要是指数据集的大小和复杂性，以及处理那些更大，更复杂的数据集并解锁所需的不同形式的处理，分析等术语。他们的价值。

大多数人过去都是从纯粹的数量和多样性角度来看的：更多数据，更多类型的数据，更多数据源和更多形式的数据。今天，该术语实际上也用于指数据分析，数据可视化等。

但是数据本身就没有意义，数据量也没有意义。真正重要的是含义，可操作的数据，可操作的信息，可操作的情报，目标以及…为了实现这一目标并从数据转移到决策和…行动的行动，这要归功于大数据分析 （BDA），以及它还有什么其他用途，人工智能。

从数量到更多但主要是价值
如果您意识到真正的数据量（数字一直在变化，它的确是指数），以及它以多种方式，格式和形状出现，那么我们很容易着迷于数量和种类，这很容易理解资料来源。

考虑一下Web上的数据，交易日志，社交数据以及从成千上万的数字化文档中提取的数据。考虑其他几种类型的非结构化数据，例如电子邮件和文本消息，跨多个应用程序生成的数据（ERP，CRM，供应链管理系统，最大范围的供应商和业务流程系统中的任何事物，垂直应用程序，例如建筑管理系统等） ），地理位置数据以及越来越多的来自物联网领域的传感器以及其他数据生成设备和组件的数据，主要是其工业变体工业物联网 （以及工业4.0，这是一个数据密集型框架）。

无论何时阅读此内容：如果您认为组织内部和组织生态系统中的数据量将减慢，请重新考虑。您可以想象大数据和物联网以及人工智能（需要使用人工智能才能理解所有数据）只是如何开始显现出其巨大的影响力，实际上，对于大多数技术和应用程序来说，无论是涉及数字孪生，预测性维护甚至是IoT （以及支持其中某些应用的相关技术；以AR和VR为代表），对于大多数人来说都还处于初期。

大数据的信息机会
因此，该术语在日益数字化和非结构化的信息时代具有技术和处理背景，在这个时代，越来越多的数据集变得可用，并且添加了越来越多的数据源，从而导致了真正的数据混乱。

但是，就像信息混乱与信息机会有关一样，大数据混乱也与机会和目的有关。最重要的是，大数据的美在于它不严格遵循数据和信息处理的经典规则，甚至如Greg Satell在《福布斯》上解释的那样，即使完全哑巴的数据也可以带来出色的结果。

在实时经济的“快速”环境中，提到的大型和复杂数据集的增长也需要一种不同的方法，在这种情况下，快速访问复杂数据和信息比以往任何时候都更为重要。例如，只需考虑引导实时动作的信息感应设备。或人们出于一种或其他目的而寻求快速，准确的信息/反馈时，人们的期望值越来越高。实际上，客户体验优化，客户服务等也是许多大数据项目的主要目标。

今天，当然还有这里，我们着眼于业务，情报，决策和价值/机会的观点。从数量到价值（我们需要创建什么数据才能创造效益），从混乱到挖掘和意义，将重点放在数据分析，洞察力和行动上。

其中一个关键问题（主要是非结构化的数据混乱）是，我们需要哪种正确的数据来实现一个或多个可能的操作。从数据中创造价值是一个整体性的过程，它是由期望的结果驱动的。

随着物联网的发生以及在社会，科学和商业的许多领域中不断进行的数字化，数据集和RIGHT数据的收集，处理和分析在未来许多年都是挑战和机遇。

因此，大数据是毫无意义或更好的：如前所述，它是一个总括性术语。而且，与大多数“趋势”伞式术语一样，也存在一些混淆。分析数据集并将数据转化为智能和相关措施是关键。

大数据的重要性，更重要的是，智能组织从“正确的数据”和“相关性”的角度出发获得的情报，分析，解释，组合和价值将驱动组织的工作方式并影响招聘和技能优先级。获奖者将不仅了解技术，而且会理解价值，这需要数据分析师，还需要执行人员和许多职能部门的从业人员，这些职能需要掌握分析性（更不用说数字化）的思维方式。巨大的挑战，当然是在市场营销和管理等领域。

体积
数量严格是指数据集的大小（大量数据集是（原始）特征之一）。但是，您经常会注意到，从某种意义上说，它习惯于所提到的数据量的增长，这意味着正在创建，复制等所有数据（也请参见下文：数据层）。所创建的庞大数据和信息量使我们主要讨论基础设施，大数据的处理和管理，无论是选择性的方式。

速度
速度是指数据流的速率。速度是指分析，行动以及快速捕获，处理和理解发生的地方，我们还研究可以处理大量数据以获得越来越近的实时或实时结果的速度和机制，这通常导致需要快速的数据。

种类
除了在广泛的数字环境中生成的数据之外，无论业务功能，社会领域或系统如何，在特定级别创建的数据都大大增加了。多样性涉及多种类型的数据，包括结构化，非结构化以及介于两者之间的所有数据（半结构化）。

真实性
准确性与准确性息息相关，从决策和情报的角度来看，准确性与确定性有关，而我们可以信任数据的程度可以决定我们要做/想要做的事情。确实是关于好的老GIGO （垃圾进，垃圾出）的。或如NIST所说：准确性是指数据的完整性和准确性，并且涉及长期存在的关于数据质量问题的白话“入库，出库”描述。

价值
如前所述，我们在目标，结果，优先级以及大数据应用程序中创建的整体价值和相关性方面为其增添了价值，因此价值掌握在旁观者和利益相关者的眼中，而永远不会或很少出现在交易量中方面。根据NIST，价值是指嵌入任何数据集中的固有财富，经济和社会财富。只要您不称其为新油。